C语言获取汉字unicode和utf-8编码

最新推荐文章于 2025-12-25 15:26:58 发布

转载最新推荐文章于 2025-12-25 15:26:58 发布 · 4.2k 阅读

8 ·

本内容遵循CC 4.0 BY-SA版权协议

原文链接：https://www.xuebuyuan.com/1079025.html

收录于

其他

本文详细解析了Unicode与UTF-8编码的关系及转换原理，通过实例代码演示了如何将Unicode编码转换为UTF-8编码，适用于理解字符编码转换的技术人员。

就VC而言，汉字储存一般都是以国标码形式存放在电脑上的，要想查询一个汉字的unicode编码，可以在一个字符串前面加一个‘L，也相当于让该汉字以unicode编码形式存放。

unicode编码与utf-8编码之间的关系是什么，其实两者之间，个人感觉，utf-8编码是unicode编码的具体实现。两者之间的对应关系如下所示，可以看到。

当一个字符的unicode编码在0x0000 0000~0000 007F之间，utf-8编码以1个字节表示；
当一个字符的unicode编码在0x0000 0080~0000 07FF之间，utf-8编码以2个字节表示；
当一个字符的unicode编码在0x0800 0000~0000 FFFF之间，utf-8编码以3个字节表示；
当一个字符的unicode编码在0x0001 0000~0010 FFFF之间，utf-8编码以4个字节表示；

   Unicode符号范围   |        UTF-8编码方式
      (十六进制)          |              （二进制）
   --------------------+---------------------------------------------
   0000 0000-0000 007F | 0xxxxxxx
   0000 0080-0000 07FF | 110xxxxx 10xxxxxx
   0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
   0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

下面贴出程序代码：

#include<iostream>

void GetUtf8(unsigned short uni)
{
	unsigned char utf_8[3];
	utf_8[0]=(0xe<<4) | ((uni & 0xf000)>>12);//相当于把二进制1110右移12位
	utf_8[1]=(0x2<<6) | ((uni & 0x0fc0)>>6); //相当于把二进制10右移16位
	utf_8[2]=(0x2<<6) | (uni & 0x003f);      //相当于取二进制低6位
	printf("UTF-8编码的第一个字节为0x%.2x\n",utf_8[0]);
	printf("UTF-8编码的第一个字节为0x%.2x\n",utf_8[1]);
	printf("UTF-8编码的第一个字节为0x%.2x\n",utf_8[2]);
}

void main()
{
	wchar_t str=L'和';	
	printf("'和'字Unicode编码为%.4x\n",(unsigned short)str);
	GetUtf8((unsigned short)str);
}

程序运行的效果图如下：